medical imaging tasks | BriefGPT

关键词medical imaging tasks

搜索结果 - 9

CVPRPP-SAM：对肠息肉分割的段落任何模型的鲁棒适应性的扰动提示
我们提出了一种强大的微调技术，PP-SAM，通过有限的图像使 SAM 适应息肉分割任务，实验结果显示，在推理过程中使用 50 像素扰动的 1-shot、5-shot 和 10-shot PP-SAM 的 DICE 分数分别超过了最新的多项式
PDFa month ago
为提升医疗图像分割中匮乏标签的自动产生真实与合成数据的弱标签
通过使用 Segment Anything Model (SAM) 和其医学替代品 MedSAM，我们提供了一种克服昂贵的医学图像标记障碍的新方法，可以为任何未标记的医学图像生成弱标签，并随后用于增强标签稀缺数据集的流程。
PDF2 months ago
FastSAM3D：一种高效的用于 3D 体积医学图像的分段模型
快速交互式的基于 SAM 的三维医学图像分割方法 FastSAM3D 通过层次递进提取复杂 12 层 ViT-B 和轻量级 6 层 ViT-Tiny 变种编码器之间的知识传递，并使用稀疏闪光注意力代替传统的注意力操作符，大幅减少内存需求和提
PDF4 months ago
知识蒸馏中肾脏和肝脏肿瘤分割的中间层设计重新思考
知识蒸馏在医学成像任务（如肾脏和肝脏肿瘤分割）中的应用面临挑战，为解决这些问题，我们提出了分层选择性反馈蒸馏（HLFD）方法，通过从中间层到较早层的蒸馏，以及将最终层的知识以特征和像素级别转移到中间层，实现模型从早期层学习更高质量的表示，从
PDF7 months ago
LT-ViT：用于多标签胸部 X 射线分类的视觉 Transformer
利用 LT-ViT 来从多个尺度聚合信息，实现对胸部 X 光图像进行纯可视化模型训练，其优于基于纯 ViTs 的现有方法，在两个公开 CXR 数据集上表现出最先进的性能，并且对于其他预训练方法具有泛化性且不依赖于模型初始化，并且能够实现模型
PDF8 months ago
MUSCLE：多任务自监督持续学习以预训练多个身体部位的 X 射线图像深度模型
通过使用自监督多任务持续预训练，研究了改进 X 射线图像分析表征学习的方法，并在多个医学图像任务中评估了其性能。
PDF9 months ago
基于掩膜对比学习的细粒度对齐算法：提升放射学报告基础模型的表示能力
本研究介绍了 MaCo，一种新颖的多模态医学基础模型，通过探索遮蔽对比学习实现医学影像任务的细粒度对齐和零样本学习，并结合相关权重机制来增强表示学习能力。我们在六个知名的开源 X 射线数据集上评估 MaCo，实验结果表明其在分类、分割和零样
PDF10 months ago
SplitAVG: 一种针对医学影像的异构感知联邦深度学习方法
本文提出了一种新的异构感知联邦学习方法 SplitAVG，通过利用网络分割和特征图拼接策略，鼓励联邦模型训练目标数据分布的无偏估计器，与其他方法相比，该方法可以有效地克服来自不同医学机构的数据分布异质性所带来的性能下降，并可泛化到各种类型的
PDF3 years ago
医学图像分析中的可解释深度学习模型
本文回顾了可解释的深度学习在医学影像任务中的应用，讨论了这种方法的不同途径，临床应用挑战以及需要进一步研究的领域。
PDF4 years ago